merkitystä barrier-free-käytä värejä, kuvia ja kaavioita on korostettu kirjeitä toimitukselle (Miall, 2007), paperit (Geissbuehler ja Lasser, 2013, Levine, 2009), pääkirjoitukset (anonymous, 2007), sarakkeet (Wong, 2011) ja lukuisia web-sivuja. Yksi suosituksista on värisokeussimulaattorin käyttö. Koska minulla itselläni on värinäön puute, En osaa arvioida, toimivatko nämä työkalut hyvin. Kokeiluun ja virheisiin perustuva lähestymistapa vaikuttaa kuitenkin melko tehottomalta., Sen sijaan (useiden) oletusväristen sokeiden ystävällisten palettien käyttö olisi paljon suoraviivaisempaa. Esimerkiksi vihreän ja magentan värit ovat oletusvalinta fluoresenssikuvien värisokeille sopivien peittokuvien tuottamiseen. Alla käsittelen useita väripaletteja, jotka sopivat graafisten elementtien värjäämiseen tonteilla. Luulen, että ihmiset, joilla on värisokeutta olisi hyötyä täytäntöönpanoa nämä paletit ohjelmisto tietojen visualisointi.,
kvalitatiiviset värijärjestelmät
kvantitatiivista värimaailmaa käytetään, kun numeroita on edustettava väreillä. Tämä muuntaminen tehdään Look-up pöytä (LUT). Lisätietoja (colorblind-friendly) LUTs katso tätä blogia ja tätä paperia. Tässä puhun laadullisista värijärjestelmistä, jotka käyttävät värejä eri kategorioiden merkitsemiseen. Eri kategorioiden määrä määrittelee yksilöllisten värien määrän, joita tarvitaan. Ihannetapauksessa nämä värit voidaan erottaa kaikki.,
jopa neljässä kategoriassa on melko suoraviivaista keksiä värikokonaisuuksia, jotka on helppo erottaa toisistaan. Silti, se ei ole järkevää valita värit väri sokea ystävällinen värimaailma. Kun 5-8 väriä tarvitaan eri kategorioiden ainutlaatuiseen merkitsemiseen, sopivan väripaletin löytäminen on melkoinen haaste. Yli 8, on lähes mahdotonta löytää värejä, jotka voidaan helposti erottaa. Näissä tapauksissa suositellaan vaihtoehtoisia merkintämenetelmiä., Alla on kuvattu useita värisokeita ystävällisiä kvalitatiivisia värimaailmoja ja niistä neljä on esitetty kuvassa 1.
värisokea ystävällinen paletit
Masataka Okabe ja Kei Ito on ehdotettu paletti 8 värejä niiden verkkosivuilla, Color Universal Design (CUD). Tämä paletti on ”Värikokonaisuus, joka on yksiselitteinen sekä kolorblindeille että värillisille blindeille”. Käyttö tämä paletti on tuettu muiden toimesta (Wong, 2011; Levine, 2009) ja se on oletuksena asteikko kirja ”Fundamentals of Data Visualisointi”, jonka Claus Wilke.,
Martin Krzywinski on sivusto, jossa on 12 – ja 15-väri-paletit, jotka tarjoavat enemmän vaihtoehtoja. Henkilökohtaisesti, minulla on vaikeuksia erottaa useita näistä väreistä. Lisäksi on suositeltavaa käyttää enintään 8 eri väriä. Siksi näitä paletteja ei oteta mukaan.
Paul Tol on luonut useita kvalitatiivisia värimaailmoja, jotka ovat värisokea ystävällisiä. Näissä paleteissa on 5-10 väriä (mukaan lukien harmaa) ja ne vaihtelevat pimeydessä.
Kuva 1: yleiskuva laadullinen, värisokea ystävällinen paletit., Luku on tuotettu R-kirjaimella, joka määrittelee ja piirtää paletit (doi: 10.5281/zenodo.3381072).
värimaailman valitseminen
mikä paleteista on paras? Tätä on vaikea sanoa useista syistä. Värit näyttävät erilaisilta, kun ne painetaan, näytetään näytöllä tai heijastetaan liiturilla. Tämän jälkeen kohteiden koko, rakenne ja sijainti ratkaisevat, voidaanko Kategoriat erottaa toisistaan. Tämän seurauksena on todennäköisesti mahdotonta keksiä yhtä universaalia väripalettia., Okaben&Iton suunnittelema paletti on mielestäni hyvä ykkösvalinta. Silti on hyvä nähdä, miten eri paletit suoriutuvat, kun niitä käytetään realistisissa datavisuaaleissa. Esimerkiksi kuvassa 2 on neljä tonttia, joissa eri värisiä sokeita ystävällisiä paletteja käytetään merkitsemään 6 riviä.
Kuva 2: väri paletit kuvassa 1 käytetään yksilöllisesti label 6 eri linjat realistisen tiedon visualisointi. Kaaviot on tehty PlotTwist.,
kuvassa 1 esitetyt paletit on toteutettu webtool Plottwistissa (Goedhart, 2019). PlotTwist on vapaasti saatavilla oleva Online-työkalu aikasarjan tietojen piirtämiseen ja merkitsemiseen. Sen avulla kuka tahansa voi kokeilla värisokea ystävällinen paletit ja soveltaa niitä lineplots. Kehotan teitä kertomaan mielipiteenne näistä (tai jokin muu) paletit ja miten ne suorittaa (varsinkin jos sinulla on värisokeutta). Voit jättää vastauksen alle tai jakaa ajatuksesi Twitterissä., Viime kädessä toivon näkeväni lisää datavisuaaleja, jotka läpäisevät värisokeustestin lentävillä väreillä.
Suositukset
lopuksi joitakin suosituksia, joilla pyritään parantamaan kuvaajia, jotka käyttävät väri:
-Käytä värisokea ystävällinen paletti oletuksena.
-käytä paksuja viivoja tai suuria symboleja, jotta väri on helpompi tunnistaa ja kartoittaa legendaksi.
-värien lisäksi kannattaa harkita kuvioiden tai etikettien käyttöä luokkien erottamiseksi toisistaan.
-Käytä enintään 8 eri värejä merkintöjä eri luokkiin.,
-käytä legendaa, joka näyttää värit sen sijaan, että viittaisit väreihin heidän nimellään.
-pidä legenda, joka selittää värien kartoittamisen lähellä varsinaista dataa.
![](https://thenode.biologists.com/wp-content/plugins/wp-postratings/images/thumbs/rating_1_on.gif)
![](https://thenode.biologists.com/wp-content/plugins/wp-postratings/images/thumbs/rating_2_off.gif)
![](https://thenode.biologists.com/wp-content/plugins/wp-postratings/images/loading.gif)
Jaa
- Ongelma:*
,Nimesi:* ,sähköpostiosoitteesi:*
- Tiedot:*
Lähetä Raportti
Tunnisteet: kategorinen data, Väri, värisokeus, värinäkö puutos, DataViz, Kaavio
Kategoriat: Koulutus, Tutkimus